导读

零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)

[复制链接]

微信扫一扫 分享朋友圈

admin 发表于 2018-2-5 19:39:28 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
零基础实战机器学习(Python语言、算法、Numpy库、MatplotLib)
2017年

机器学习作为人工智能的一部分,已经应用于很多领域,远超过人们的想象,垃圾邮件的过滤,在线广告的推荐系统,还有目前发展飞快的物体识别、人脸识别和语音识别的发展,都是机器学习的应用的成果。机器学习在改善商业决策、提高生产率、检测疾病、预测天气等方面都有非常大的应用前景。

1. 课程研发环境

本课程的代码实现是基于Python语言,用到Numpy库和MatplotLib.

开发工具: Python win;, ^

2. 内容简介

本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析,用实例来说明具体的实现,学生可以跟着一步步完成。在面对现实的问题的时候,可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识,以保证后面的课程中可以顺利进行。更多的Python语言的知识,需要学员自己去找更多的资料进行学习。, c) B  P% Z# r6 -


本课程主要讲述了两大类机器学习的方法:有监督学习和无监督学习,其中有监督学习里面,又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度,容易理解机器学习思路和实现的过程。( N7 i5 q1

老王:16年软件发工作经历,2年知名软件培训机构专职讲师经历、曾任项目经理、教学主管多年,在Window系统、移动平台的应用软件研发、人工智能的应用领域有很深的造诣。

第一章 机器学的任务和方法1-2.mp4
第二章 Python语言基础1-6.mp44 B& M
第二章 Python语言基础7-13.mp4
第三章 分类算法介绍1.mp4
第四章 k-临近算法1-7.mp4
第五章 决策树1-5.mp47 f* }8 @'  F
第六章 基于概率论的分类方法:朴素贝叶斯1-6.mp4+ \#
第七章 Logistic回归1-6.mp4
第八章 支持向量机1-8.mp4
第九章 利用AdaBoost元算法提高分类性能1-5.mp4
第十章 利用回归预测数值型数据1-5.mp4
第十一章 树回归1-3.mp48 b, * T
第十二章 无监督学习1.mp4% o( ^  w/ f5 J2 R
第十三章 利用K-均值聚类算法对未标注数据分组1-2.mp4
第十四章 使用Apriori算法进行关联分析1-3.mp4
第十五章 使用FP-growth算法来高效发现频分项集1-3.mp4% P" ^0
第十六章 利用PCA来简化数据1-2.mp46 u! H/ |4 G%
第十七章 利用SVD简化数据1-3.mp4
第十八章 大数据与MapReduce1.mp4
第十九章 学习总结.mp4' d
资料包

下载地址:
游客,如果您要查看本帖隐藏内容请回复

回复

使用道具 举报

精彩评论1

cyy 发表于 2018-2-5 19:45:14 | 显示全部楼层
很好视频很好
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


0关注

0粉丝

261帖子

发布主题
推荐阅读更多+
广告位
JAVA118在线客户
在线客户
QQ临时会话可能会导致消息无法正常接收,请尽量添加为好友.

Powered by www X3.2© 2001-2013 Inc.   版权所有   

  申明:站内资源均来自于互联网,仅供会员学习与参考,切勿用于商业用途,版权归原作者所有,所有下载者表示默认接受并同意签订该免责声明协议,如有侵犯任何第三方权益,请发邮件至2468165617@qq.com删除

Comsenz Inc.  

wzm